В Linux стандартными средствами можно использовать часть оперативной памяти как диск. Для этого требуется указать тип монтирования tmpfs в команде mount
mount -t tmpfs -o size=5G tmpfs /mnt/ram
Теперь путь /mnt/ram можно использовать как обычный каталог. Для чего это может быть нужно?
▫️ Скорость работы с таким каталогом выше чем многие SSD и тем более HDD.
▫️ Если у вас очень быстрый SSD на NVMe M.2 то такой способ особо не прибавит вам скорости, но поможет сохранить ресурс SSD когда требуется обрабатывать очень много мелких файлов и оперативка позволяет выделить нужный объем.
▫️ Оперативка это энергозависимая память, поэтому выключении питания все файлы безвозвратно теряются. Такой "non persistent" каталог гарантирует удаление временных файлов.
Я написал небольшой скрипт для условного теста и сравнения скорости копирования файлов между SSD и RAM.
Вот мои результаты:
Single File Size: 30.0Gb
ssd > ssd: 0:00:12.850 / 2.3Gb/s
sdd > ram: 0:00:06.453 / 4.6Gb/s
ram > ram: 0:00:06.995 / 4.3Gb/s
ram > sdd: 0:00:06.217 / 4.8Gb/s
Dir size: 32.7Gb, File count: 11127
ssd > ssd: 0:00:15.063 / 2.2Gb/s
sdd > ram: 0:00:08.486 / 3.9Gb/s
ram > ram: 0:00:08.032 / 4.1Gb/s
ram > sdd: 0:00:07.026 / 4.7Gb/s
Скрипт для теста ↗️
На моём железе прирост скорости ~2x. Плюс экономия ресурса SSD.
В Windows такой фишки по умолчанию нет, но обязательно найдутся аналогичные решения
#linux#triks
🎉DeepSeek R1: год спустя
Ровно год назад дебютировала DeepSeek-R1, сделавшая ставку на глубокие рассуждения (reasoning). За это время она заняла прочную нишу в математике, программировании и точных науках, предлагая высокую эффективность и точность.
💎Чем DeepSeek выгоден читателю канала?
➡️Эксперт в логике: Сильнее многих в решении сложных задач, требующих последовательных рассуждений.
➡️Эффективен: Использует не все параметры на запрос, что часто делает ответ быстрее и экономичнее.
➡️Открыт: Модель с открытым исходным кодом.
➡️Бесплатен! Да, это до сих пор странно и приятно, с учётом дикой зависимости всех производителей от огромного парка железа, потребляющего электроэнергию.
🔍Намёк на новое?
Недавно DeepSeek обновили исходную статью о R1: она «выросла» с 22 до 86 страниц. Обновление вышло ровно через год после релиза модели. Это совпадение или тихая подготовка к анонсу R2 (которую ждали в мае, а потом в августе 2025) или другой новинки в этом январе? Ждём.
#DeepSeek#R1#R2#ИИ#AI#LLM
https://t.me/semasci
Found a random cipher puzzle on a YouTube video. It was easy enough that I can figure out how to solve it in a few seconds, but I was lazy to do the math, so I threw it to the “thinking” #LLM s.
Surprisingly, despite how easy it looks, only #ChatGPT#o1 managed to solve it correctly. #DeepSeek#R1 and #Gemini 2.0 Flash Thinking Experimental 01-21 has confused themselves, and reached wrong conclusions.
Prompt:
Please solve the puzzle
The code to decode is:
0820201619://2515212021.0205/42151797290590-224531
The hints provided are:
car: 030118
Apple: 2716161205
1-1: 91-91
Response from GPT o1: https://chatgpt.com/share/67971451-2ee0-8013-9d80-9899543614ae
Response from DeepSeek and Gemini: https://gist.github.com/blueset/828cbc3de9efa9af44a1379dc26e2785
🐟